时滞系统的最优PID控制与仿真

对过程控制领域中两类典型时滞系统在控制能量存在约束时的最优控制问题作了探讨。定义了一个包含跟踪误差和控制能量在内的积分平方性能指标，针对不同系统运用谱分解的方法最小化该性能指标，从而导出相应的PID控制器的参数整定方法，可使系统在控制能量约束条件下具有最优的控制性能。仿真研究进一步说明了所给方法的有效性。     

采用矩阵分解模型的托攻击防御算法

提出一种基于矩阵分解模型的托攻击防御算法框架.首先,利用托攻击检测技术,度量用户是托用户的概率,并以此构造信任度权值矩阵;然后,将此权值矩阵引入到矩阵分解模型,以降低托用户攻击行为的影响;最后,通过求解新模型实现对用户评分的预测.实验结果表明:这类算法与其他协同过滤算法相比较,能够更有效地抵御托攻击.     

一种非负矩阵分解的快速稀疏算法

提出了一种非负矩阵分解的快速稀疏算法,该算法有利于处理高维小样本数据.在非负矩阵分解的过程中,通过代数变换,将原高维n×m阶的非负矩阵分解转化成低维m×m阶非负矩阵分解,大大提高了分解速度.在目标函数中加入了约束稀松度的项,通过控制稀松度,提高分解得到的潜在语义信息,改进文档集的话题划分,并能快速提取主题相关的语句生成文摘.     

基于灰关联分析和时空偏好特征的兴趣点推荐算法

为了提高动态推荐效果,从时间个性化和连续性的角度出发,细化了签到用户的时间特征,利用灰关联分析度量时间向量的相似度,与矩阵分解算法结合,给出了一种新的矩阵分解算法。该算法可缓解时间戳细化签到矩阵后带来的数据稀疏的影响。同时为了提高个性化推荐,采用自适应核密度估计方法捕捉用户的空间偏好,增强用户的个性化体验,进而提高推荐质量。在此基础上,设计了一种新的兴趣点推荐算法。实验结果表明,该算法能有效地提高推荐准确率和召回率。     

基于最小体积约束的非负矩阵分解模型的高光谱解混算法探究

高光谱遥感图像中,遥感影像的分类精度和地物识别会因混合像元的存在而受到影响,从而限制了遥感科学向定量化发展.基于最小体积约束的非负矩阵分解方法,不仅不需要假定纯像元的存在,而且在自动提取端元的同时获取对应的丰度图,这种非监督的光谱解混技术克服了传统方法的限制条件,为高光谱图像中混合像元问题的解决提供了新的思路和方法.     

一个新数论函数的渐近性质

定义了一个新的数论函数Ω（n!）,并利用n!的标准素因数分解式以及2个重要渐近公式,给出了该数论函数的一个较强的渐近公式。     

态射的Moore—Penrose逆的构成

给了了有满分解的态射的Ｍｏｏｒｅ－Ｐｅｎｒｏｓｅ逆的结构，并且一般态射给出由它的（１，３）逆和（１，４）逆表的Ｍｏｏｒｅ－Ｐｅｎｒｏｓｅ逆。     

(0,mf-1)-图中具有某些性质的(0,f)-因子

G是一个 (0 ,mf-1 ) -图 ,其中 f是定义在V(G)上的取值 ≥ 8的偶函数 ,且G中满足dG(x) =mf(x) -1的点构成点数 ≤ 2m的独立集 ,则当m≥3时 ,G有一个 (0 ,f) -因子F含任意给定的一条边且不含任意给定的其它m -1条边 ,且使G-F是一个 (0 ,(m -1 ) f-1 ) -图 .     

解最小二乘问题的一种混合方法的误差分析

对于线性最小二乘问题 ,混合方法的提出是企图在法方程法与 QR分解方法之间取得某种平衡 ,希望能够节省计算量又同时保持计算解达到较高精度 ,但后者在理论上并未得到证明 .经对混合方法的详细误差分析 ,证明了这种混合方法不一定能得到比法方程法精度更高的计算解 ,甚至可能要差 .因混合方法的计算量高于法方程法 ,所以该方法并未达到理想的要求 ,不一定是好的选择 .